[發明專利]一種適用于電力系統復雜網絡的快速狀態估計方法

無效

• 申請號: 201110212093.0
• 申請日: 2011-07-27
• 公開（公告）號: CN102289717A
• 公開（公告）日: 2011-12-21
• 發明（設計）人: 李元誠;王憲吉
• 申請（專利權）人: 華北電力大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;H02J3/00
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 黃家俊

1.一種適用于電力系統復雜網絡的快速狀態估計方法，其特征是所述方法包括下列步驟：

步驟1：在系統數據庫中選取前T個時刻的電壓幅值和電壓相角組成二維數組；

步驟2：采用自編碼神經網絡方法對二維數組進行非線性降維；

步驟3：在步驟2的基礎上，對電壓幅值進行樣本訓練，生成電壓幅值樣本模型，并利用生成的電壓幅值樣本模型，進行電壓幅值預測；

步驟4：在步驟2的基礎上對電壓相角進行樣本訓練，生成電壓相角樣本模型，并利用生成的電壓相角樣本模型，進行電壓相角預測；

步驟5：利用指定方法對電壓幅值預測和電壓相角預測的預測值進行修正，進而獲得電壓幅值和電壓相角的狀態估計值；

步驟6：將電壓幅值和電壓相角的狀態估計值作為第T個時刻的電壓幅值和電壓相角的真值放置到狀態量集合中；

步驟7：從狀態量集合中取前T個時刻的電壓幅值和電壓相角，令T＝T+1，重復步驟2到步驟6，實現滾動預測。

2.根據權利要求1所述的一種適用于電力系統復雜網絡的快速狀態估計方法，其特征是所述指定方法為牛頓拉夫遜迭代法。

3.根據權利要求1所述的一種適用于電力系統復雜網絡的快速狀態估計方法，其特征是所述步驟2具體包括以下步驟：

步驟2.1：對于二維數組進行標準化處理，去除其中的空數據和錯誤數據；

步驟2.2：在步驟2.1的基礎上，采用局限型波茲曼模型對二維數組進行預訓練，得到一組獨立的局限型波茲曼模型和一組權值；

步驟2.3：每個局限型波茲曼模型的輸出神經元和下一個局限型波茲曼模型的輸入神經元合并為一層，展開形成自編碼神經網絡；

步驟2.4：采用基于交叉熵函數的BP算法進行自編碼神經網絡訓練，通過調整所述權值，使交叉熵函數取到最小值；

步驟2.5：在步驟2.4的基礎上，將降維后的數據組成的二維數組作為數據處理的輸入數據，完成二維數組的非線性降維。

4.根據權利要求1所述的一種適用于電力系統復雜網絡的快速狀態估計方法，其特征是所述步驟3具體為：

步驟3.1：將前T-1個時刻的電壓幅值作為電壓幅值訓練樣本；

步驟3.2：選擇高斯核函數作為相關向量機的核函數，對相關向量機的參數初始化；

步驟3.3：通過相關向量機對電壓幅值訓練樣本中的數據進行迭代運算，求解出最優的權值分布，得出電壓幅值樣本模型；

步驟3.4：在步驟3.3的基礎上，以第T個時刻的電壓幅值作為電壓幅值預測的輸入數據，計算得到T時刻的預測值。

5.根據權利要求4所述的一種適用于電力系統復雜網絡的快速狀態估計方法，其特征是所述電壓幅值樣本模型為：

y(x,ω)=Σi=1NωiK(x,xi)+ω0=Φω]]>

式中：

y(x，ω)為電壓幅值樣本模型的輸出目標值；

x為輸入變量；

ω為模型權值向量；

N為模型權值向量的維數；

x_i為第i個時刻降維后的量測數據；

ω₀和ω_i為模型的權值；

K(x，x_i)為核函數；

Φ為N×(N+1)階矩陣。